对大空头Burry的反驳：AI基础设施并非2-3年的泡沫

“大空头”原型迈克尔·伯里（Michael Burry），这位因预测2008年住房危机而闻名的投资者，最近在社交媒体上掀起了批评AI基础设施建设的热潮。

图片

他的最新论点是：云服务提供商（CSP）如AWS、Azure和Google Cloud在财务报表中将GPU折旧期均匀摊销到6年，但实际使用寿命只有2-3年，这导致利润虚高，暗示AI基础设施泡沫类似于互联网时代的过度光纤建设。

如果喜欢我们的内容，可以加星标，避免错过推送。添加微信Charlotte-YN21，可以加入聊天群一起观察市场。

虽然伯里的怀疑很有价值，提醒我们过度炒作的风险，但他的观点实际上过于简化了一个复杂的生态系统。基于Meta的Llama 3报告、行业数据和CSP披露，实际上GPU寿命比2-3年更长且更复杂，潜在的AI泡沫更可能出现在应用端而非基础设施。

2-3年寿命的观点来自于哪？论据似乎站不住脚

伯里关于实际使用寿命的断言可以追溯到Meta的2024年Llama 3技术报告，该报告详细描述了使用16,384个H100 GPU在54天内训练405B模型的过程。

报告记录了466次中断（其中419次为非计划故障），平均每3小时发生一次，年化故障率（AFR）约为9%。保守估计，这意味着3年累计故障率约为27%——暗示超过四分之一的GPU在3年内可能失效。

这些数据对于高负载AI训练是可信的，在这种场景下，同步任务使系统变得脆弱：单个GPU故障可能导致整个任务停止。这与加密货币挖矿类似，高利用率GPU往往在3年内出现显著报废率。

然而，这并非全貌。

Burry引用的故障数据更多适用于峰值负载场景而非平均使用，广泛的行业数据表明寿命更长。Nvidia的H100规格估计平均无故障时间超过5年。Gartner的2024年AI基础设施报告基于多家CSP匿名数据，平均寿命为4-6年。微软的2024年10-K报告将服务器折旧期定为4-5年。这些证据显示，2-3年可能是对极端场景的低估，原因是：

首先，中断并不等同于永久故障——许多可以通过软件修复或轻微硬件调整恢复，正如Meta报告所澄清（有效训练时间保持在90%以上）。

其次，Meta的设置是自建且针对前沿研究的，不代表CSP的规模化商业环境，后者拥有先进的冷却和冗余系统（例如，AWS使用自定义数据中心，通过模块化设计缓解故障率）。

上述证据表明2-3年是对大多数GPU的低估，属于是他对单一来源（如Meta）的过度依赖，尤其是在极端训练之外。

训练与推理GPU的寿命存在关键差异

在2-3年寿命叙事中，一个关键问题是它将所有GPU混为一谈。AI工作负载分为训练（构建模型，高负载、同步）和推理（部署模型，低负载、异步）。

Burry的观点忽略了AI工作负载的划分：训练涉及高负载和同步任务，导致较高故障率（Meta的9%）；推理则平均利用率仅为30-50%（麦肯锡2023报告），故障率低于3%（通常<2%，基于AWS内部基准的行业分析）。

这种划分对折旧很重要。

CSP的GPU机群正日益转向推理为主。高盛估计，到2026年推理占比从50%上升至70-80%，因为利润主要来自模型部署。对于推理GPU，5-6年折旧期是合理的。根据2024年Forrester调查，2020年的Nvidia A100仍在企业中广泛用于推理，远未“寿命结束”。

即使是混合使用下，平均寿命接近4-6年。尽管训练占比可能影响平均值，但趋势支持更长的会计期。

技术迭代与残值：稀缺性主导因素

Burry认为技术进步导致GPU在3-4年内过时，侵蚀残值并迫使提前报废，但市场数据显示不然。

CoreWeave的2024年财报显示，H100合同续签价格仅降5%，表明对“旧”硬件的强劲需求。根据CEO的评论，在计算稀缺的时代，即便是A100也售罄了。

2024年德勤的AI供应链报告指出，GPU积压订单延伸到2026年，CSP订单（例如AWS的550亿美元RPO积压）远超供给。供给不足意味着前代GPU在稀缺中保留TCO优势——今天使用A100可能比等待Blackwell芯片更便宜。

话虽如此，如果供给赶上（例如2026年后晶圆厂扩张），这可能逆转。Burry关于过时担忧在长期并非无稽之谈，但短期证据（例如Nvidia 2024年第三季度营收激增）反驳了它作为即时泡沫的驱动因素。

高残值源于需求-供给失衡，而不仅仅是内在寿命，但它们仍削弱了“快速报废”叙事。

AI泡沫 vs. 互联网泡沫：需求驱动，而非过度建设

如果GPU折旧不是铁证，那是否意味着没有AI泡沫？

不一定，但其形式不同于伯里的基础设施过度建设论点。

互联网泡沫时期存在互联网基础设施（光纤）独立过度建设，97%未使用容量导致价格崩盘和破产（例如WorldCom）。

AI则是应用驱动基础设施建设。计算太缺导致应用被卡脖子，迫使增加投资（例如OpenAI对Azure的依赖）。CRWV从300亿美元到550亿美元，微软2024年CapEx同比上涨50%，积压订单爆炸。

2024年普华永道的AI预测报告反映AI基础设施是“需求拉动”的，风险偏向应用侧，例如初创公司在计算上烧VC但是还没收入。

如果AI的进步（例如代理）因计算不足而滞后，应用侧需求减弱，可能通过破产爆发泡沫（而非基础设施过度建设）。

债务模式也支持这一点，当前应用侧/云侧承载了更多杠杆（例如Anthropic的40亿美元融资轮次）而非纯基础设施。

因此，与互联网不同，后者的基础设施债务崩盘，AI则可能通过回报偿还，如果增长达到3-9倍（根据CB Insights预测）。

作为故事的结尾，投资者更应采取一个平衡的视角，对这类故事别全信也别全扔。

Burry关于折旧期2-3年的观点反映了对当前AI炒作的担忧，但这是从比较单一有限的数据来推导的，忽略了工作负载差异、市场稀缺性和其他的数据支持。

基础设施建设不同于互联网光纤的泡沫化，如果泡沫破灭，更可能是应用侧的重新洗牌。

因此，作为投资者，可以紧密跟踪应用端的收入增长（比如OpenAI的发展）与基础设施投资的对比。计算可能“借时间”给应用，但只有能够偿还的增长才能维持周期。希望Burry的警钟让我们避坑，而不是预言崩盘。